首页 > 代码库 > 学习正则表达式在python中的应用

学习正则表达式在python中的应用

目的:对文本的处理,正则表达式的功能很强大,可以很巧妙的过滤、匹配、获取想要的字符串,是必须学习的技能,这里只记录常用的写法,详细文档可以参看官方帮助文档。


环境:ubuntu 16.04    python 3.5


在python中使用正则表达式首先要导入re模块

import re

在re模块中有几个常用的函数:


re.compile(‘value‘)

它会返回一个正则表达式regex对象,作用是对预编译提速,且第二个参数支持一些方法,把它返回给一个变量方便重复使用,函数有两个参数:匹配表达式和第二个可选参数:

匹配表达式即,正则表达式的写法,因为表达式中常用\符号,所以一般第一个参数下载r‘‘内,r表示引号内为自然字符,python不对内部做转义,这样正则表达式用转义时不用多加一个\,如:r‘\d‘,\d在正则中是匹配一个数字,如果没有r则要写成‘\\d‘,这样很麻烦且不易阅读。

最简单的匹配:r‘haha‘匹配字符‘haha‘,但不匹配‘hehe‘,可以使用通配符,下面介绍:

常用通配符:

\d表示一个数字

\w表示字母、数字、下划线中任意一个,且在python3中支持匹配一个汉字。

\s表示空格、制表符和换行中任意一个。

\D, \W, \S是他们的非模式。

^匹配字符串起始位置,当^在方括号内是表示非模式,[^a-z]小写26个字母以外。

$匹配字符串结尾位置。

\b表示一个字符旁空格的位置,‘it is a good job‘, \bgoog\b匹配good,而不会匹配goods等其他。

| 竖杠表示或,如\d|\d{2},匹配一个数字或两个数字。

自定义通配符:

[a-z]表示小写a到z的26个字母中任意一个

[]中括号模式可以包含很多,比如:[a-zA-Z0-9_]这个就是\w(只在python2中相等),还可以想这样[aeiou]只包含想要匹配的,或者特殊符号[._-],需要转义的要加上\。


以上都是只匹配符合的一个,下面学习数量:

匹配最少:{5} 表示5次,{1,5}表示1次到5次都可以,{1,}省略后面的表示至少1次。

贪婪匹配:+等同于{1,},*表示可无或更多,?表示一次或更多,.点表示就是\S,这里都会匹配多的结果,因为是贪婪模式。

限制贪婪:在贪婪模式后面加上?表示限制贪婪,匹配最少,+会尽量匹配多的,+?匹配一个。


numRegex = re.compile(r‘\d{11}‘)
# 生成匹配11位数字的正则对象,\d是数字,{11}代表11次

re.compile()的第二个参数有:re.VERBOSE, re.IGNORECASE和re.DOTALL,后面要大写。

re.VERBOSE表示匹配中可以多行且有注释,在复杂的正则对象中使用。

re.compile(r‘‘‘(
    \d        #匹配一个数字
    \w        #匹配一个字符
)‘‘‘, re.VERBOSE)

re.IGORECASE表示匹配不区分大小写:

re.compile(r‘[a-z]‘, re.IGORECASE)

这个即可以匹配a,也可以匹配A。

re.DOTALL表示允许.匹配包括\s的内容

re.compile(r‘.*‘, re.DOTALL)

匹配所以内容。


匹配方法:search(), match(), findall(), finditer()

这些是匹配规则查找方法,也可以直接把正则表达式写在他们的第一个参数的位置(测试时可以,正式编写不推荐,理由在上面的compile中)而不用compile(),第二个参数是需要匹配的字符串,如

re.search(r‘\d+‘, ‘aa123abc‘)

返回123


search()方法

search()方法进行全字符搜索,返回的是第一个符合条件的match对象,并且它只返回一个,即使后面有其他符合条件的,也不处理,没有则返回None。

aa = re.compile(r‘\d\d\d+‘)
bb = aa.search(‘aa12345abc678‘)

bb得到返回的包含12345的match对象,而没有678


match()方法

match()方法从字符串开始处就匹配,且只返回一个符合条件的match对象,相当于正则表达式以r‘^开始,匹配也只返回开始部分,没有则返回None。

aa = re.compile(r‘\d+‘)
bb = aa.search(‘123ab45‘)

bb得到返回的包含123的match对象,没有45,且如果字符串变成‘a123ab45‘,则返回None。


findall()方法

findall()方法进行全字符搜索,返回所有符合条件的值,然后组成列表,即返回一个列表对象,没有则为空列表。

aa = re.compile(r‘\d+‘)
bb = aa.findall(‘a123b45c678‘)

bb得到返回的的列表[‘123‘, ‘45‘, ‘678‘]


finditer()方法

finditer()方法进行全字符串搜索,返回所有符合条件的match对象,然后组成迭代器,用for方法可以看出迭代器里面是match对象。


这里match对象有group(), group(index)和groups()方法

可使用它们调用返回的match对象,group()和group(0)都是得到母值,groups()返回所有group(index)组成的元组。


分组和捕获

在正则表达式中使用圆括号()会产生分组,每个组都是元素,返回一个元组对象,可用group()获取对于序号的元素:

numRegex = re.compile(r‘(\d)(\d)(\d)‘)

当圆括号内左边使用?:表示不分组、不捕获,如:(?:\d)匹配但不分组也不捕获,不捕获则不生成match对象。


替换方法sub():

上面已经学习了查找,这个是替换方法,有两种常用方式,我称为全部隐藏替换和部分隐藏替换:

全部隐藏替换:

aa = re.compile(r‘engineer (\w)\w+‘)
bb = aa.sub(r‘XX‘, ‘engineer Ricky gave engineer Tom an apple‘)

bb得到字符串‘XX gave XX an apple‘

部分隐藏替换:

aa = re.compile(r‘engineer (\w)\w+‘)
cc = aa.sub(r‘\1**‘, ‘engineer Ricky gave engineer Tom an apple‘)

cc得到字符串‘R** gave T** an apple‘


常用的正则表达式举例:

r‘^0\d{2,3}-\d{8}‘      匹配固定电话,如:0755-87226688,010-85332765


本文出自 “RickyHuL” 博客,请务必保留此出处http://rickyh.blog.51cto.com/10934856/1941536

学习正则表达式在python中的应用